人脸识别在公安实战应用凸显

        中国国际警用装备网讯：  搭载“黑科技”人脸识别的新iPhone发售，买了手机号码后要“刷脸”激活、支付宝联手肯德基试水“靠脸吃饭”，招商银行可以“刷脸”转账......“人脸识别”的应用，在商场和大街上到处都在出现。如今，和别人聊天不聊点儿“人脸识别”就好像已经out了一样。

    　　随着人工智能技术的深入发展与突破，在当前社会各领域的运行当中，人工智能正广泛的触及人们生活、工作乃至安防等领域的众多场景。目前，在人工智能领域中最火热的人脸识别技术正以其高安全性、非接触性、识别速度快等属性，为各行各业带来更多极致体验。人脸识别技术也在人工智能领域脱颖而出，成为开启未来时代的排头兵。

    　　人脸识别在公安实战应用凸显

    　　人工智能在安防领域的应用，必须回归安防的本质：用技防手段，降低对人的依赖，也就是提升业务效率、减少人工需求。只有解决客户的“痛点”需求，智能化的安防解决方案才能真正落地。人脸识别之所以能在现今的社会应用如此广泛，其主要原因是它能深度结合金融、地产、零售、安防等众多行业，设身处地的为行业解决现阶段发展中的难题。尤其是在安防行业，公共安全和社会维稳形势日趋严峻，现有的传统非智能安防设备及工作模式已经不能满足公安实际业务中的需求，而无论是公共安全还是社会维稳，安防重点的关注对象是人，那么这就为以人脸识别为代表的智能技术打开了一个很好的切入口。

    　　这几年，人脸识别作为图侦技术的重要组成部分得到了快速发展，在警务实战方面逐渐有了规模化应用的趋势和潜力。从近两年的公开招投标的人脸识别系统需求来看，来自公安系统的招投标密集，公安系统内对动态人脸识别系统的需求正在加速释放。这其中的主要原因是因为公安刑侦部门需要比对大量的视频、图像，从海量视频监控数据中精准、快速地找到犯罪目标，效率和效能就是他们的痛点需求。人工监控和查找存在容易疲劳、不精确、信息搜索效率低下等等多方面问题，因此人脸识别技术具有快速扩展的商业因素。

    　　以人脸识别为核心的智能安防产品在警务实战运用的优秀表现，使国家对于AI+安防的这种结合引起高度重视。旷视(Face++)以人脸识别技术为核心的智能安防解决方案，在2016年被公安部引入“2016年度公安部科技局科技成果推广目录”。且在今年7月国务院发布的《新一代人工智能发展规划》也对人工智能在安防领域中的具体部署中提到，要“围绕社会综合治理、新型犯罪侦查、反恐等迫切需求，研发集成多种探测传感技术、视频图像信息分析识别技术、生物特征识别技术的智能安防与警用产品”。人脸识别作为现阶段在安防工作中应用效果最好的生物特征技术，其与安防的结合已被上升为国家战略。未来，公安的人脸应用将会逐步向超大规模人脸库、全国联网库、自助人证验证、实时人脸布控等多个领域发展。科技进步对公安业务的推动将会从有限辅助手段逐步向主力科技手段发展。对公安行业应用来说，未来更需要做好人脸识别的顶层设计、人脸评测与标准体系、先导试点与特定行业应用相结合的普及以及全面发展，最终向人脸大联网、大数据系统演进，为公安业务在人的管理方面发挥基础科技支撑作用。

    　　技术突破引领应用变革

    　　人脸识别技术其实早在90年代时期就已经初步应用，并以美国、德国和日本的技术实现为主，相比较现如今的人脸识别技术，早期的人脸识别技术主要是基于可见光图像的人脸识别，但这种方式有着难以克服的缺陷，尤其在环境光照发生变化时，识别效果会急剧下降，无法满足实际系统的需要。人脸识别技术近年来逐渐走向实用化的突破在于其升级为基于主动近红外图像的多光源人脸识别技术，这种升级有效克服了识别可见光图像的种种缺陷。而除此之外，真正使人脸识别技术具备重大变革力的核心在于深度学习技术的成熟。

    　　人脸识别技术是人工智能技术的一种典型应用。从人工智能的发展过程来看，其分别经历了三个不同的发展过程：模式识别、机器学习和深度学习。人脸识别领域在2013年以后利用深度学习实现了明显进展，特别是在2014年和2015年人脸识别算法达到超过人类识别能力的水平。深度学习算法基于海量的图像和视频训练数据，构建包含数万乃至数亿可学习参数的多层人工神经网络模型进行训练，从而使得训练好的模型可以应用于图像和视频分类，图像和视频中的物体检测和识别等多种智能任务。相比于上一代机器学习和人工智能技术，深度学习构建的模型大大强化了模型复杂度，包含参数规模十分庞大，神经网络的层数也大大增加，甚至可以达到上百乃至上千层神经网络，从而使得模型的学习能力大大提高，能够从事更加复杂的图像和视频认知和分析任务。

    　　利用基于深度学习算法训练出来的人脸识别技术、图像识别技术与视频结构化技术，将可以很好地实现在区域治防控、边检、监狱等不同业务场景，对目标人员的高并发高精度识别及高速建模入库，对海量视频监控数据、图像数据进行实时结构化处理，迅速检索人员和车辆信息等，高效提升实战应用价值。

    　　“动静结合”应用拓展新领域

    　　防解决方案的实际应用中，人脸识别技术可广泛应用于视频监控、入侵报警、出入口控制、门禁、电子巡更、联网告警等主要安防领域，有效解决公安、海关、机场、铁路等政府安全相关机构对于可疑人员身份确认、实名制认证、人脸电子围栏、重点人员布控告警等实战诉求。通过静态识别与动态追踪两种模式，保障警务部门在社会治安管控的事前、事中、事后工作过程实现流畅运行及实时快速的精准打击。

    　　人脸静态识别

    　　人脸识别静态系统由静态系统服务器以及客户端构成。通过将人脸识别静态系统嵌入公安、边防、海关等国家政府机关单位的全国在逃人员信息资源库、全国违法犯罪人员信息资源库、协同办案人员库、出入境人员库、旅店人员库、违法犯罪人员库等人员信息库，建立超大规模人脸图片结构化比对的系统。警务人员只需在应用时导入一张包含人脸的照片，该系统可对海量图片进行人脸特征提取，并能通过人脸与信息库中对应的人员姓名、年龄、性别、证件号等各种属性进行比对，实现1：1身份验证以及1：N人脸搜索。帮助工作人员在实际业务中快速确定人员身份、实时实现嫌疑人员布控，有效提升工作效率。

    　　可以说计算机视觉的1.0版本，是对静态识别图像的识别；2.0版本，则主要是动态视频内容的理解和学习。从目前的发展来看，静态的人脸识别发展比较成熟，识别率也很高。以旷视为例， 目前旷视的人脸识别静态系统最高可支持在十亿级别人像静态库中妙级响应提取对应人员照片及信息，在千万级规模下，第一位命中率超过95%，前十位命中率超过99%。

    　　立体化动态识别

    　　动态模式的人脸识别技术是目前比较实用而且发展较为快速的模式识别技术，也是现阶段公安部门最为迫切的需求之一，一方面因为在我国城市化进程中，因城市人口日趋密集，人口流动性增大，而导致违法犯罪行为、恐怖事件频发的治安形势；另一方面，在我国平安城市建设已基本使各城市覆盖了成千上万的公共监控摄像头的情况下，形成的庞大视频监控数据无法及时有效的被警务部门检索分析，而使安防设备的效力大大折扣。

    　　目前市场上的动态人脸识别技术的相关产品不断增多，但在实际应用中仍存在一些短板，针对这些问题，目前基于人工智能2.0的人脸动态识别与分析有较大突破。通过基于深度学习的动态人脸识别技术及视频结构化技术与城市视频监控系统对接，可以有效盘活视频监控数据利用率，使公安机关对城市中人流集中的园区、广场、路口、汽车站、火车站、地铁站、机场等重点场所的管控做到及时预警出警，并能够针对具体事件、具体人员实现追踪分析的立体化处置。

    　　旷视结合治安、刑侦、交通、情报等各警种的业务痛点，推出的动态人脸识别系统能够对出现的视频监控中的目标人员进行实时识别，并对视频监控系统进行结构化处理，返回目标人员发型、衣着、是否佩戴眼镜、是否背包等相关属性，并能对目标人员的行为轨迹进行分析，反馈主要活动区域、活动路线、落脚点等办案关键信息。在实际应用中，旷视的动态人脸识别系统具备快、准、灵等特点。

    　　可以说，人脸识别既可主动采集也可被动采集，所以能满足自动采集和非自动采集全部的要求和需要。此外，非自动采集和自动采集还对应了另外两个概念：强制采集和隐蔽采集。两类采集若能兼而有之，系统的应用领域将大大拓展。

  新闻稿件欢迎直接联系：QQ 34004818 微信公众号：cpsjyzb

相关阅读

• 解读｜为无人机安全运行再添“保险
• 俄专家：全球海军面临无人装备革命
• 人与机器人环抱的“距离”
• 空射无人机拓展空战新思路
• 依法反恐 保障人权——《中国的反
• AI介入司法，美首席大法官示警：

0 条评论

• 还没有人评论过，赶快抢沙发吧！